EasyViewer™는 샘플링이나 오프라인 분석 없이 다양한 공정 조건에서 입자, 결정, 액적의 고해상도 이미지를 연속적으로 캡처하는 프로브 기반 비디오 현미경입니다.
관련 이미지를 캡처하고 입자 크기 및 농도 변화에 민감한 추세와 자동으로 결합하면 과학자와 엔지니어는 입자 메커니즘을 빠르고 직관적으로 특성화하여 모든 실험에서 포괄적인 이해를 얻을 수 있습니다.
이제 프로브 하나만 있으면 누구나 실시간 입자 인사이트를 활용하여 수율, 순도, 여과율 및 제품 품질을 그 어느 때보다 빠르게 개선할 수 있습니다.
구매 예정 기간을 선택하신 경우, 빠른 상담을 위해 상세 구매 계획 및 요청사항을 입력해 주세요. /content/kr/ko/home/products/L1_AutochemProducts/particle-size-analyzers/easyviewer.fb.1.c.11.html
Easy Viewer는 공정에서 자연스럽게 존재하는 입자들을 서브마이크론 해상도로 즉시 이해할 수 있게 해줍니다. Easy Viewer의 탁도 추세는 시스템 변화에 매우 민감하며, 실시간 이미지 분석은 입자 크기를 측정하여 오프라인 기법으로는 불가능한 성장과 형태 변화를 추적합니다. 자동 초점, 자동 조명, 그리고 최적 이미지 알고리즘이 선명한 고해상도 이미지를 포착하여, 원격으로 작업하더라도 데이터 품질에 대한 신뢰를 보장합니다. 이미지 분석은 예상치 못한 사건을 자동으로 감지합니다. 이를 통해 과학자들은 후속 불순물, 여과 문제, 또는 기타 스케일업 위험을 유발하는 조건을 피하기 위해 매개변수를 신속하게 조정할 수 있습니다. 실험 이미지의 도움으로 데이터 분석은 즉각적이고 직관적이며 명확합니다. 소규모에서 공정을 충분히 이해하고 나면, 프로브 선택을 통해 10밀리리터에서 파일럿 규모까지 자신 있게 스케일업할 수 있습니다. Easy Viewer는 연구자들이 입자를 제어하여 공정 성능과 제품 품질을 향상시키도록 돕습니다.
Obtain deep process understanding of complex systems in volumes as low as 15 mL. Study crystallizations, suspensions, and emulsions in previously unobtainable detail and reveal new insights that power process development.
구매 예정 기간을 선택하신 경우, 빠른 상담을 위해 상세 구매 계획 및 요청사항을 입력해 주세요.
구매 예정 기간을 선택하신 경우, 빠른 상담을 위해 상세 구매 계획 및 요청사항을 입력해 주세요.
Collect the highest quality images and process trends with just three clicks. Complete data capture and unattended operation to study particles as they naturally exist in process.
구매 예정 기간을 선택하신 경우, 빠른 상담을 위해 상세 구매 계획 및 요청사항을 입력해 주세요.
구매 예정 기간을 선택하신 경우, 빠른 상담을 위해 상세 구매 계획 및 요청사항을 입력해 주세요.
고해상도 이미지 및 직관적인 이미지 분석
고해상도 이미징
탁월한 이미지는 과학자로 하여금 온도 주기 등의 공정 파라미터가 입자의 크기와 형태에 미치는 영향을 실시간으로 시각화할 수 있게 합니다.
새로운 실험적 통찰력
모든 사람이 샘플링 또는 희석 없이, 심지어 걸쭉한 슬러리에서도 탁월한 품질의 현미경 이미지를 캡처할 수 있습니다.
공정 위험 식별
연구자들은 오일링 아웃을 쉽게 확인하고 이러한 공정 위험을 초래할 수 있는 환경을 피하여 순도와 품질을 개선할 수 있습니다.
이미지를 고품질 데이터로 변환
Image2Chords 모듈은 실시간 입자의 크기, 모양 및 개수 정보를 제공하여 입자 프로세스 개발을 간소화합니다. Image2Chords는 이미지를 고품질 코드 길이 분포(CLD)로 변환하고 그 결과를 핵 형성, 성장, 용해, 파손 및 형태 변화를 포함한 입자 메커니즘을 확실하게 특성화하는 데 사용할 수 있는 추세 및 통계로 제공합니다. 이 실시간 정보를 통해 과학자와 엔지니어는 복잡하거나 느린 오프라인 테스트 없이도 입자가 자연적으로 존재하는 그대로의 모습을 연구할 수 있습니다.
Image to cords는 과학자와 엔지니어가 복잡한 입자 시스템을 실시간으로 이해하고 특성화하는 방식을 혁신합니다. IC Vision이 탑재된 EasyViewer는 고해상도 이미지를 캡처하고, image to cords는 이를 실행 가능한 입자 크기 및 개수 데이터로 변환합니다. 이러한 현장(in situ) 이미지와 입자 크기 및 개수 정보의 조합은 EasyViewer와 image to cords를 입자 공정 개발을 가속화하는 데 필수적인 도구로 만듭니다. EasyViewer는 레이저가 조명을 제공하는 프로브 창을 통해 입자들이 쉽게 흐를 수 있도록 각도를 두고 공정 흐름 또는 용기에 직접 삽입됩니다. 입자들이 창을 지나 흐를 때 고속 이미지가 수집되며, 각 이미지의 픽셀 래스터 행에서 후방 산란된 빛을 분석하여 각 입자의 시작점과 끝점을 식별합니다. 그런 다음 이 두 점 사이의 거리를 사용해 현(chord) 길이를 계산합니다. 이미지당 이 측정을 수천 번 수행함으로써, Image to Chords는 공정 내에 자연스럽게 존재하는 입자의 크기와 개수를 통계적으로 견고하고 매우 민감하게 파악할 수 있는 고유한 특징 정보를 제공합니다. IC Vision을 사용하면 시간에 따라 입자 집단이 어떻게 변화하는지 시각화하는 것이 간단하고 직관적이며 쉽게 이루어집니다. 실험 전반의 각 시점에서 얻은 현 길이 분포는 입자 메커니즘을 파악하기 위해 빠르게 비교할 수 있으며, 대응하는 현장 이미지를 통해 시각적으로 확인할 수 있습니다. 현 길이 분포의 변화를 통해 공정의 시작부터 끝까지 입자 크기와 개수가 어떻게 변하는지 추적할 수 있습니다. 미세 및 조대 크기 범주의 개수와 같은 각 현 길이 분포의 통계값은 시간에 따라 추세를 분석할 수 있습니다. 공정 중의 크기 분포와 추세를 제공함으로써, 과학자와 엔지니어는 특정 입자 특성을 목표로 삼고 자신 있게 입자를 제어하여 제품 품질과 공정 성능을 향상시킬 수 있습니다. image to cords를 사용하면 연구자는 더 빠르고 더 잘 informed된 의사결정을 내릴 수 있는 능력을 얻습니다. 단일 현장 프로브를 사용해 모든 실험에서 도출되는 실시간 공정 인사이트는 입자 시스템을 연구하고 최적화하는 방식을 혁신합니다. 자세한 내용은 mt.com slash easyviewer를 방문하십시오.
고급 이미지 분석 알고리즘을 통한 향상된 프로세스 통찰력
iC Vision™ 소프트웨어는 최첨단 실험 이미지 분석(Exp. IA) 알고리즘을 통합하여 입자 감지 및 특성화 모델의 신속한 개발과 배포를 용이하게 합니다. Exp. IA는 중합 및 유화 반응을 모니터링하는 데 중요한 기포와 액적을 식별하고 크기를 측정하도록 정밀하게 조정되었으며, 오일링 아웃 현상에 대한 고급 감지 기능을 통합하여 사전 예방적 공정 제어를 가능하게 합니다.
무인 작업을 위한 완전한 자동화
EasyViewer와 혁신적인 자동 초점, 자동 조명, 최상의 이미지 자동 저장 기능을 갖춘 강력한 iC Vision™ 소프트웨어 는 원격 작업 시에도 중요한 이벤트의 선명한 고해상도 이미지를 놓치지 않고 캡처할 수 있도록 도와줍니다.
이미지 분석은 제품 순도를 떨어뜨릴 수 있는 액적 형성 등 원치 않는 상황을 자동으로 감지하여 데이터 해석을 간소화합니다.
간편한 사용을 염두에 둔 설계
슬림한 EasyViewer 프로브는 필드 장치가 없고 유틸리티가 필요하지 않아, 그 어느 때보다 쉽게 용기에 설치할 수 있습니다.
간소화된 iC Vision 소프트웨어와 결합된 간단한 플러그 앤 플레이 USB 연결로 누구나 EasyViewer를 선택하고 몇 분 안에 고농도 슬러리에서도 샘플링이나 희석 없이 공정 중에 자연적으로 존재하는 입자의 놀라운 이미지를 캡처할 수 있습니다.
개발 초기 단계에서 후기 단계까지
프로브 크기를 선택함으로써 15 mL 이상의 모든 크기의 반응기에서 확실한 배치를 수행할 수 있습니다.
EasyViewer 100 – 가볍고 슬림한 프로브로, 제한된 샘플 부피와 공정 불확도가 높은 초기 개발에 이상적입니다.
EasyViewer 400 – 긴 프로브와 최적화된 피사계 심도는 대형 반응기에서의 고급 입자 엔지니어링을 위한 최고의 이미지를 제공합니다.
EasyViewer 100
날렵하고 가벼운 프로브와 플러그 앤 플레이 연결 및 스마트 소프트웨어로 셋업과 자동화 데이터 캡처가 쉽습니다.
사용처: 실험실
이미징 시스템: 후방 산란 이미지
프로브 직경: 9.5 mm
프로브 침지 길이: 199 mm
시야:1000 μm x 1000 μm
광학 분해능: > 1.5 μm
EasyViewer 400
이전하는 동안 소규모에서 대규모로 결과를 비교하여 이후 단계의 공정 개발의 위험을 줄입니다.
사용처: 실험실 또는 비방폭 공장
이미징 시스템: 클램프 온 반사기를 옵션으로 사용하는 후방 산란 또는 투과 이미지
프로브 직경: 19 mm
프로브 침지 길이: 400 mm
시야: 1100 μm x 800 μm(± 50 μm)
광학 분해능: > 980 nm
궁극의 입자 엔지니어링 워크스테이션
iC Vision이 포함된 EasyViewer는 결정화 워크스테이션에 원활하게 통합되어 실험 설계가 용이합니다. 실험에 ReactRaman™, ReactIR™ 및 ParticleTrack™을결합하면 과학자들은 iC Software™에서 자신 있게 데이터를 오버레이하여 답을 얻고 입자 시스템 개발을 가속화할 수 있습니다.
ReactRaman – 소형의 고성능 라만 분광기는 결정화 공정, 다형성 검출 및 다상 반응을 비롯하여 가장 까다로운 반응이라도 그에 대한 중요한 통찰력을 제공합니다.
ReactIR – 사용자 친화적인 현장 FTIR 분광기는 과학자들이 실시간으로 반응 추세와 프로필을 측정할 수 있게 하며, 과포화, 반응 동역학, 메커니즘 및 경로에 대한 정확한 정보를 제공합니다.
공정 파라미터가 농도, 크기, 형태 및 구조에 영향을 미치는 방식을 정확하게 이해하여 더 나은 결정을 내리고, 더 신속히 공정 위험을 제거하여 문제를 해결합니다.
안녕하세요, 저는 Mettler Toledo의 결정화 분야 주제 전문가 중 한 명인 Dez O'Grady입니다. 이 기회를 빌려 저희 Take Control of Particles 이니셔티브에 대한 간단한 업데이트를 전해 드리고, 입자 공학과 결정화와 관련된 몇 가지 핵심 과제와 문제를 해결하는 데 도움이 될 수 있는 particle engineering workstation의 개념을 소개하고자 합니다. 여러분 중 많은 분들이 아시다시피, 결정화는 제품을 매우 편리하게 분리하고 정제할 수 있는 단위 조작입니다. 결정기에서 적절한 결정 크기와 형상 분포를 얻으면, 예를 들어 여과, 건조, 운송 및 제품 제형화 과정에서 발생하는 잠재적 문제를 줄이는 데 도움이 될 수 있습니다. 이 공정의 여러 단계에서 볼 수 있는 몇 가지 과제에는 여과에 너무 오랜 시간이 걸려 미세 입자가 너무 많아 그 결과 필터에서 제품이 분해되는 문제, 또는 예를 들어 입자 형상과 관련된 유동성 문제로 인해 물질 운송이 어려워지는 문제 등이 포함되므로, 결정기에서 모든 조건을 올바르게 맞추는 것은 후속 공정을 최적화하는 데 정말 도움이 됩니다 결정화와 입자 공학과 관련된 몇 가지 핵심 과제는 결정화를 주제로 한 정말 훌륭한 두 편의 논문에서 발췌한 이 두 인용문에 잘 나타나 있습니다. 첫 번째 논문은 Eli Lilly의 연속 결정화 논문인데, 이 프로젝트에서 발췌한 인용문 중 하나는 200마이크론을 초과하는 입자 크기는 흡수, 즉 생체이용률을 제한할 수 있다는 내용이었습니다. 본질적으로, 결정화는 작은 종횡비와 200마이크론 미만의 크기를 가진 비응집 결정체를 제공해야 했습니다. 따라서 제품이 잘 작동하도록 하기 위해서는 작은 결정 크기가 중요했습니다. 다른 프로젝트에 대한 두 번째 논문을 보면, 대부분의 경우 미세 입자는 후속 공정, 특히 여과, 세척 및 건조에서 다루기 매우 어려울 수 있으므로 바람직하지 않다고 되어 있습니다. 즉, 여기서 요약하고 잘 보여 주는 것은 효과적인 제품을 얻는 것과 효율적인 공정을 확보하는 것이 실제로는 서로 상충하는 목표일 수 있으며, 이로 인해 입자 공학 설계가 상당히 어려워진다는 점입니다. 입자 공학 측면에서 생각해 볼 몇 가지 고려 사항이 있는데, 저는 다음과 같은 워크플로로 생각하는 것을 선호합니다. 여기에는 과학자로서 변경하거나 최적화할 수 있는 특정 공정 변수들이 있습니다. 예를 들어 사용 중인 용매의 종류, 적용하는 혼합 방식, pH 또는 항용매의 투입 속도, 혹은 선택하는 냉각 속도처럼 간단한 요소도 있습니다. 이러한 다양한 선택의 조합에 따라 서로 다른 변환이 일어날 수 있습니다. 결정화 과정에서 발생하므로, 예를 들어 핵생성보다 성장에 유리한 조건을 만들 수도 있고, 혼합 속도가 너무 높으면 과도한 파쇄가 발생할 수도 있으며, pH가 어떤 이유로든 적절하지 않으면 응집이 많이 일어날 수도 있습니다. 따라서 공정 변수는 이러한 변환에 영향을 미치며, 그 결과 어떤 변환이 일어나느냐에 따라 최종적으로는 다른 결과가 나올 수 있습니다. 여기서 결과는 예를 들어 얻는 제품의 입자 크기, 형상, 순도, 수율뿐 아니라 예를 들어, 생성된 입자의 공정성도 포함됩니다. 여과가 쉬울까요? 잘 흐를까요? 제형화가 간단할까요? 따라서 입자를 설계할 때 이 워크플로, 즉 선택하는 변수, 발생하는 변환, 그리고 최종적으로 얻게 될 결과를 고려하는 것은 매우 중요합니다. 전통적으로 이를 수행하는 방법은 오프라인 시료를 채취하고, 샘플링과 준비 후 특정 시점에서 입자를 특성화하는 것이었습니다. 따라서 여기에서 시료를 채취하는 전형적인 워크플로를 볼 수 있는데, 이를 잘 수행하려면 매우 우수한 방법 개발이 필요합니다. 예를 들어 결정이 변하지 않도록 해야 하지만, 일반적으로 시료를 채취한 후 여과하고, 필요하면 건조한 다음, 어떤 방식으로든 준비하고 분석을 수행하여 결과를 얻습니다. 이는 규제 준수 측면에서 매우 중요하며, 공정에 대한 통제를 입증하는 매우 표준적인 방법이고, 사양을 설정하는 데 도움이 되며, 특정 시점의 스냅샷으로서 무엇이 일어나고 있는지에 대한 좋은 이해를 제공할 수도 있습니다. 이것이 바로 오프라인 입자 특성화 접근법입니다. 그러나 매개변수에서 변환으로, 다시 결과로 이어지는 이 워크플로 개념을 다시 생각해 보면, 오프라인 시료는 실제로 결과에 대한 정보만 제공합니다. 그리고 MATLAB Toledo에서 우리가 하려는 일은, 최적화해야 하는 공정 변수에 대한 정보뿐 아니라 예를 들어 결정화 공정에서 일어나고 있는 변환에 대한 정보도 실제로 제공하는 입자 공학 도구를 제공하는 것입니다. 따라서 우리는 정보를 제공합니다. 공정 변수와 관련해서는 이를 제어하고 기록할 수 있도록 지원할 뿐만 아니라, 결정화 공정에서 고체상, 즉 입자 자체와 액상도 모니터링할 수 있게 합니다. 이러한 정보를 함께 결합하면 과학자들이 궁극적으로 필요한 결과, 즉 좋은 제품과 효율적인 공정을 만들어 내는 결과를 얻는 데 도움이 되는 매우 유용한 공정 이해를 제공할 수 있습니다. 이것이 바로 저희의 목적입니다. 이러한 입자 공학 도구를 제공하여 공정 변수를 제어하고 기록할 수 있도록 돕고, 예를 들어 결정화 공정에서 고체상과 액상에 대한 현장 실시간 분석을 제공하는 것입니다. 간단히 말씀드리면, 이러한 제품 조합이 툴박스나 particle engineering workstation에 함께 구성되면 어떤 모습일지 보여 드리겠습니다. 여기에서는 실시간 현미경 이미지를 볼 수 있는데, 실제로 종결정(seed) 결정화 공정이 성장하고 응집하는 모습을 볼 수 있고, 또한 수지상 성장(dendritic growth)과 그 분해, 그리고 2차 핵생성이 관찰됩니다. 즉, 매우 복잡한 메커니즘을 시각화하고 있으며, 동시에 이러한 메커니즘을 정량화할 수도 있습니다. particle track 장비로 입자 크기와 입자 수를 실시간으로 추적함으로써 이러한 메커니즘을 정량화할 수 있으며, 이는 공정 변수, 이 경우 온도와 함께 하나의 패키지로 통합됩니다. 이 예시에서 온도가 떨어질 때 2차 핵생성 사건이 발생하는 시점에 맞춰 입자 수가 증가하는 것을 볼 수 있습니다. 이것이 전형적인 particle engineering 툴박스 또는 워크스테이션이 어떻게 작동하는지에 대한 매우 간단한 개요입니다. 그리고 우리가 이를 바라보는 방식 중 하나는 단순히 데이터를 제공하는 것만으로는 충분하지 않다는 것입니다. 우리가 하려는 일은 진정으로 총체적인 솔루션을 제공하는 것이며, 이는 몇 가지 다른 요소로 구성됩니다. 우선 이러한 도구는 모든 과학자가 성공적으로 사용할 수 있는 즉시 사용 가능한 도구여야 합니다. 또한 반응기를 더 큰 규모와 일치하도록 설계하여 스케일업 결정을 조금 더 쉽게 만들 수 있도록 노력합니다. 저희 IC 소프트웨어에는 매우 강력한 데이터 분석 도구가 있습니다. 소프트웨어 플랫폼과 함께 데이터 관리 솔루션도 제공합니다. 이 접근법을 구현하면 더 많은 데이터가 생성되기 시작하는데, 유용한 정보를 추출할 수 있도록 그 데이터를 관리하는 것이 매우 중요합니다. 그래서 이를 지원하기 위해 IC Data Center를 중심으로 데이터 관리 솔루션도 제공합니다. 이것이 바로 완전한 솔루션으로 묶인 패키지이며, 매우 사용하기 쉬운 즉시 사용 가능한 도구, 단순하고 직관적이면서도 강력한 소프트웨어입니다. 또한 소프트웨어도 그렇습니다. 그렇다면 이 모든 것이 결국 무엇을 의미할까요? 저희는 이러한 particle engineering workstation을 통해 고객이 네 가지에 집중할 수 있기를 바랍니다. 첫 번째는 좋은 입자를 설계할 수 있는 것입니다. 즉, 입자 설계입니다. 원하는 물리적 특성, 특히 적절한 입자 크기와 형상을 가진 입자를 설계할 수 있어야 합니다. 빠른 문제 해결도 중요합니다. 그래서 과학자들이 문제나 실패의 근본 원인을 식별할 수 있는 증거를 얻을 수 있도록 돕기를 바랍니다. 저희 인용문 목록에는 좋은 사례들이 있으며, 다음이자 마지막 슬라이드에서 보여 드릴 텐데, 저희 도구가 실제로 공정 이해를 문서화하는 데 사용됩니다. 그리고 규제 승인에 매우 유용한 공정 통제를 입증하며, 마지막으로 예측 가능한 제조입니다. 즉, 실험실에서 생성된 데이터와 킬로랩, 파일럿 플랜트 또는 제조 현장에서 수집될 수 있는 데이터를 결합하여, 최종적으로 본격적인 생산 규모에 도달했을 때 자신 있게 스케일업하고 우수한 제조 역량을 확보할 수 있도록 하는 것입니다 간단히 말씀드리면, 확인해 볼 만한 흥미로운 인용문 목록을 소개하고 싶습니다. 결정화 공정의 개발 주기 전반에 걸쳐 particle engineering workstation의 다양한 응용 사례가 많이 있으며, 여기에는 몇 가지를 나열했습니다. 과포화 모니터링, 오일링 아웃 또는 상분리 살펴보기, 스케일업, 연속 공정 등 좋은 내용들이 포함되어 있고, 이 인용문 목록과 더 많은 참고 자료는 실제로 아마 제가 여기서 안내한 웹사이트에서 찾으실 수 있습니다. 즉, www.mt .com forward slash AC dash control particles입니다. 이 particle engineering workstation을 사용하여 산업 및 학계의 다른 사용자들이 무엇을 하고 있는지 더 알고 싶으시다면, 이 웹사이트에는 비교적 최근의 참고문헌이 약 40~50개 정도 있어 살펴볼 만하다고 생각합니다. 감사합니다.
Image2Chords converts images to high-quality chord length distributions (CLD’s), trends and statisti...
동료 심사 간행물 속 EasyViewer
Agrawal, S., Rawal, S. H., Reddy, V. R., & Merritt, J. M. (2024). Use of automation, dynamic image analysis, and process analytical technologies to enable data rich particle engineering efforts at the Drug Substance / Drug Product interface: A case study using Lovastatin. Process Safety and Environmental Protection/Transactions of the Institution of Chemical Engineers. Part B, Process Safety and Environmental Protection/Chemical Engineering Research and Design/Chemical Engineering Research & Design. https://doi.org/10.1016/j.cherd.2024.04.032
Li, K., Li, J., Peng, H., Liu, Y., Wei, X., Shen, R., Xu, S., Yu, C., Chen, M., Zhou, L., & Gong, J. (2024). Study on agglomeration mechanism of ammonium paratungstate pentahydrate and controllable preparation of pure monodisperse crystals. Powder Technology, 438, 119572. https://doi.org/10.1016/j.powtec.2024.119572
Wu, W., Chappelow, C., Hanspal, N., Larsen, P. A., Patton, J., Shinkle, A., & Nagy, Z. K. (2024). Digital design of an agrochemical crystallization process via Two-Dimensional Population Balance Modeling. Organic Process Research & Development. https://doi.org/10.1021/acs.oprd.3c00373
Vagenknecht, M., Soukup, J., Chen, A., & Irizarry, R. (2023). Digital design of an agrochemical crystallization process via Two-Dimensional Population Balance Modeling. Powder Technology, 426, 118641. https://doi.org/10.1016/j.powtec.2023.118641
Lomont, J. P., Ralbovsky, N. M., Guza, C., Saha-Shah, A., Burzynski, J., Konietzko, J., Wang, S. C., McHugh, P. M., Mangion, I., & Smith, J. P. (2022). Process monitoring of polysaccharide deketalization for vaccine bioconjugation development using in situ analytical methodology. Journal of Pharmaceutical and Biomedical Analysis, 209, 114533. doi.org/10.1016/j.jpba.2021.114533
Wang, S., Liu, Y., Guo, S., Yan, H., Li, K., Tong, L., Li, T., Chen, M., Gao, Z., & Gong, J. (2022). Design of Single and Multicomponent Drug Spherical Particles with Improved Powder Properties in Water Instead of Organic Solvents: A Case Study of Gemfibrozil. ACS Sustainable Chemistry & Engineering, 10(37), 12411–12422. https://doi.org/10.1021/acssuschemeng.2c03982
Haer, M., Strahlendorf, K., Payne, J., Jung, R., Xiao, E., Mirabel, C., Rahman, N., Kowal, P., Gemmiti, G., Cronin, J. T., Gable, T., Park-Lee, K., Drolet-Vives, K., Balmer, M., & Kirkitadze, M. (2021). PAT solutions to monitor adsorption of Tetanus Toxoid with aluminum adjuvants. Journal of Pharmaceutical and Biomedical Analysis, 198, 114013. doi.org/10.1016/j.jpba.2021.114013
Salami, H., McDonald, M. A., Bommarius, A. S., Rousseau, R. W., & Grover, M. A. (2021). In Situ Imaging Combined with Deep Learning for Crystallization Process Monitoring: Application to Cephalexin Production. Organic Process Research & Development, 25(7), 1670–1679. doi.org/10.1021/acs.oprd.1c00136
Sato, Y., Liu, J., Kukor, A. J., Culhane, J. C., Tucker, J. L., Kucera, D. J., Cochran, B. M., & Hein, J. E. (2021). Real-Time Monitoring of Solid–Liquid Slurries: Optimized Synthesis of Tetrabenazine. The Journal of Organic Chemistry. doi.org/10.1021/acs.joc.1c01098
Sirota, E., Kwok, T., Varsolona, R. J., Whittaker, A., Andreani, T., Quirie, S., Margelefsky, E., & Lamberto, D. J. (2021). Crystallization Process Development for the Final Step of the Biocatalytic Synthesis of Islatravir: Comprehensive Crystal Engineering for a Low-Dose Drug. Organic Process Research & Development, 25(2), 308–317. doi.org/10.1021/acs.oprd.0c00520
Zhao, X., Webb, N. J., Muehlfeld, M. P., Stottlemyer, A. L., & Russell, M. W. (2021). Application of a Semiautomated Crystallizer to Study Oiling-Out and Agglomeration Events—A Case Study in Industrial Crystallization Optimization. Organic Process Research & Development, 25(3), 564–575. doi.org/10.1021/acs.oprd.0c00494
견적 또는 정보 요청견적 받기신속 견적솔루션 정보 요청Request Online Demo
빠른 요청
Need assistance? Our team is here to achieve your goals. Speak with our experts.